에세이2026-10-29
신입 개발자 채용 0명 시대의 생존법
코드 구현 너머 현장 가동을 증명하는 법
- 게시
- 2026-10-29
팟캐스트 영상 · 22분요약
- 인공지능의 급격한 발전으로 다가올 신입 채용 시장에서는 코드를 직접 작성하고 초벌 검토하는 일이 지극히 흔한 역량이 된다.
- 정작 시장에서 희소한 것은 실제 조직 안에서 인공지능을 가동하고 증명하는 능력이지만, 이 분야의 신입 채용 문은 극히 좁다.
- 따라서 학생은 지금 작은 조직을 직접 찾아가 시스템을 실제로 운영해 보며 구체적인 평가와 개선 기록을 증거로 쌓아야 한다.
사라진 공채와 흔들리는 전공
한국 금융신문의 2026년 8월 14일 자 보도에 따르면 네이버는 2026년 상반기 신입 개발자 공개채용을 진행하지 않았다. 2019년부터 2025년까지 매년 공채를 열고 2021년에는 두 차례에 걸쳐 역대 최대 규모인 약 900명을 선발했던 네이버가 상반기 신입 공채를 건너뛴 것은 7년 만에 처음이다. 2026년 하반기 채용 일정 역시 발표되지 않았다. 카카오도 사정은 비슷하다.
신입 엔지니어가 처한 고용 위기는 국경 밖에서도 같은 궤적으로 진행 중이다. 뉴욕 연방준비은행이 2024년 미국 지역사회조사(ACS) 자료를 바탕으로 2026년 2월에 발표한 보고서를 보면, 22세에서 27세 사이 최근 대학 졸업자의 실업률에서 컴퓨터과학은 6.99%로 74개 전공 가운데 4위를 기록했다. 컴퓨터공학(컴퓨터 엔지니어링)은 7.78%로 전체 전공 중 두 번째로 높았다. 스탠퍼드 디지털경제연구소(DEL)가 2026년 6월까지의 미국 급여 데이터를 분석해 2026년 8월 개정한 연구 보고서의 수치는 더 직접적이다. 인공지능(AI) 노출도가 높은 직종에 진입하는 22세부터 25세 청년층의 고용은 AI 노출도가 낮은 직종의 동년배 고용 증가 추세와 비교했을 때 19% 낮았다. 반면 숙련 노동자 집단에서는 이러한 격차가 관찰되지 않았다.
알고리즘을 암기하고 문제 풀이 사이트에 매달리며 코딩테스트와 손코딩을 훈련하던 직전 세대의 구직 공식도 변화를 맞이했다. 캔바(Canva)는 2025년 6월 엔지니어링 블로그를 통해 백엔드 및 프론트엔드 엔지니어 채용에서 기존의 컴퓨터과학 기초 선발 절차를 지원자가 반드시 AI를 활용해야 하는 면접으로 대체하면서도 기초 역량은 계속 평가한다고 밝혔다. 메타(Meta) 역시 실제 일할 업무 환경에 더 가깝다는 이유로 코딩테스트 중 AI 활용을 허용하기로 결정했으며(404 Media, 2025년 7월), 넥슨은 게임 프로그래머 신입 채용에서 코딩테스트를 AI 면접과 AI 활용 평가로 대체해 프롬프트 작성과 결과물 개선 과정을 채점했다(블로터, 2026-08-26). 동시에 알고리즘 시험 자체가 사라진 것은 아니다. 삼성전자는 2026년 10월 11일 SW 역량테스트를 오프라인으로 치렀고, 프로그래머스 운영사인 그렙(Grep)은 개발자 채용 기업들이 기존 코딩테스트를 유지한 채 자사의 AI 역량 검사를 그 위에 더하고 있다고 전했으며(디지털인사이트, 2026-10-12), 구글 CEO 순다르 피차이(Sundar Pichai) 또한 2025년 6월 기본기를 확인하고자 최소 1회의 대면 면접을 되살리겠다고 밝혔다. 결국 알고리즘 실력은 상대를 앞서는 무기에서 누구나 갖춰야 할 기본 바탕으로 성격이 변했으며, 이제 그 위에 AI를 다루고 그 결과물이 올바른지 검증하는 두 번째 역량이 추가로 채점되고 있다.
선배와 전문가들은 저마다 조언을 내놓는다. AI가 만든 결과물을 평가하는 안목을 길러라, 특정 도메인의 전문가가 되어라, 혹은 기획과 리더십을 갖추라는 말이다. 그러나 이런 조언은 어디에 도달해야 하는지만 가리킬 뿐 대학을 갓 졸업한 학생이 어떻게 그 수준에 이를 수 있는지는 말해주지 않는다.
이 글이 오늘이 아닌 2029년의 시장을 내다보는 이유가 여기에 있다. 지금 대학 1~3학년인 학생들은 군 복무와 잔여 학기를 거쳐 2028년에서 2030년 무렵 첫 구직에 나서게 된다. 오늘의 신입 채용 시장에 맞춰 준비하는 것은 졸업 시점에 이미 과거가 되어버린 시장을 맞닥뜨리는 일과 같다. 따라서 METR이 측정한 AI 모델의 작업 역량 추세와 기업들의 실제 도입 데이터를 바탕으로 2029년의 노동 시장을 예측하고, 그 시점에 도달하기 위해 지금 무엇을 해야 하는지 역산해야 한다.
2028년에서 2030년 사이에 사회로 나갈 컴퓨터공학도에게 필요한 것은 막연한 목적지가 아니라 시장의 변화를 짚어낸 실증적 분석과 지금 당장 채워 넣을 수 있는 구체적인 경로다.
넘쳐나는 코드 작성과 초벌 검토
코드를 직접 짜고 문법적 결함을 찾아내는 일은 2029년 신입 엔지니어에게 차별화된 무기가 되지 못한다. 기계가 소프트웨어를 작성하는 속도와 범위가 인간의 학습 주기를 압도하기 시작했기 때문이다.
인공지능 모델 평가 기관인 METR의 작업 시간 지평 측정치에 따르면, 2026년 4월에 측정된 초기 클로드 미소스 프리뷰 모델은 인간 전문가가 약 17.4시간 걸려 마치는 작업을 50% 성공률로, 약 3시간 걸리는 작업을 80% 성공률로 완료했다. METR이 측정한 이 작업 길이는 2024년 이후 대략 89일마다 두 배로 늘어났으며, 2023년부터 측정했을 때는 약 131일마다 두 배로 증가했다. 80% 성공률을 보인 3.1시간 기준을 두고 131일마다 두 배가 된다는 추세를 2029년 6월까지 단순 연장해 계산해 보면 그 길이는 약 1,400시간에 달한다. 이는 주 40시간 근무 기준으로 약 35주에 해당하는 노동량이다. METR 스스로도 수개월 단위의 과업으로 이를 확장 적용하는 데는 큰 불확실성이 따른다고 경고했으므로 이 수치를 절대적인 완료 시간으로 믿어서는 안 된다. 다만 방향성은 분명하다. 요구 사항이 잘 정의되고 독립적으로 격리된 개발 작업은 2029년에 이르면 대부분 AI의 몫이 된다는 점이다.
빅테크 기업 내부에서는 이미 이러한 전환이 일어났다. Anthropic의 자체 집계에 따르면 2026년 5월 기준으로 사내 코드베이스에 머지(병합)된 코드 줄의 80% 이상을 클로드가 작성했다. 핀테크 기업 스트라이프(Stripe)에서는 인간이 짠 코드가 한 줄도 들어있지 않은 에이전트 작성 풀 리퀘스트(PR)를 매주 1,000건 넘게 병합하고 있으며, 이들 작업은 모두 인간 엔지니어가 검토한다. OpenAI 내부에서도 코덱스가 모든 사내 풀 리퀘스트를 일차적으로 검토하는 역할을 수행한다. 구현 코드를 쓰고 초벌 검토를 수행하는 노동은 기계로 넘어가고 있으며, 남겨진 최종 검증은 시스템 내부 사정을 깊이 알고 있는 숙련자의 몫이 되었다.
모델 역량과 실제 도입 현장의 간극
소프트웨어를 작성하는 모델의 능력은 치솟고 있지만, 현실의 조직 안에서 실제로 가동되는 시스템은 여전히 드물다. 기술의 성능과 현장 작동 사이의 간극은 좁혀지지 않고 있다.
맥킨지가 2026년 5월부터 6월까지 1,719명을 대상으로 조사해 8월에 펴낸 보고서에 따르면, AI 도입으로 영업이익(EBIT)에 조금이라도 영향이 있었다고 답한 비율은 37%로 1년 전과 큰 차이가 없었다. 높은 성과를 내는 기업의 비율도 약 6% 수준에서 정체되었다. 전사적으로 AI를 확장했다고 답한 비율이 38%에서 44%로 늘어났음에도 실질적인 사업 성과는 제자리걸음이다. 전미경제학연구소(NBER)가 2025년 11월부터 2026년 1월까지 4개국 경영진 약 6,000명을 조사한 다이제스트에서도 약 70%의 기업이 AI를 사용하고 있다고 밝혔으나, 고용과 생산성에 미친 영향은 여전히 작았다.
이 격차는 기업의 규모가 작을수록 더 벌어진다. 맥킨지 조사에서 매출 10억 달러 이상 대기업의 경우 AI 에이전트를 확산 적용하고 있다는 응답이 27%에서 40%로 뛴 반면, 매출 10억 달러 미만 기업에서는 22%에 머물렀다. 유럽연합 통계청(Eurostat)이 2025년 12월 추출한 데이터에서도 유럽 대기업의 55%가 AI를 활용하는 반면 소기업은 17%에 그쳤다.
소프트웨어가 화면과 운영체제를 다루며 실제 업무를 수행하는 벤치마크는 실패의 실체를 보여준다. 2026년 6월 발표된 OSWorld 2.0 벤치마크는 인간의 작업 시간 중앙값이 약 1.6시간인 실제 업무 흐름 108개를 측정한다. 2026년 10월 15일 갱신된 리더보드에서 현재 과제 버전(v2.1) 기준 최고 모델인 클로드 오푸스 5(Claude Opus 5)의 완료율은 44.3%로 절반에 미치지 못했다. 연구진이 기록한 에이전트의 실패 원인은 명확했다. 제약 조건을 잊어버리고, 작업 도중에 새로 들어오는 정보를 놓치며, 사용자에게 되물어야 할 순간에 스스로 짐작해 버리고, 검증 과정을 건너뛰었다. 이와 달리 상대적으로 짧은 작업을 평가하는 이전 벤치마크인 OSWorld-Verified에서는 최고 모델이 86.0%를 기록해 인간 기준점인 72.36%를 뛰어넘었다.
AI 기업들은 이 간극을 메우는 일에 거액을 투입하기 시작했다. OpenAI는 2026년 5월 40억 달러 이상의 자금을 들여 ‘오픈AI 디플로이먼트 컴퍼니’를 출범시켰다. 외부 인수를 통해 확보한 약 150명의 숙련된 현장 배치 엔지니어(FDE)가 초기 핵심 인력이었다. FDE는 AI 기업이 고객사로 파견하는 엔지니어로, 본사보다 고객사 현장에 주로 머물며 고객의 데이터와 내부 도구, 업무 프로세스에 AI를 연동해 실제로 작동하게 만든다. Anthropic 역시 2026년 10월 1억 달러를 투자해 2027년 말까지 10,000명의 현장 배치 엔지니어를 양성하겠다고 발표하면서, 실제 비즈니스 안에서 AI가 돌아가게 만들 수 있는 인재가 시장에서 “가장 구하기 어려운 인재”가 되었다고 명시했다. 에포크 AI(Epoch AI)가 2030년 전망에서 내다보았듯, 실제 현장 배치와 사회적 영향은 모델 자체의 성능 향상보다 상당히 늦어질 수 있다.
현장 배치 엔지니어가 실제로 하는 일
현장에서 AI를 가동하는 작업은 막연한 의사소통 능력이나 고객 응대 기술이 아니다. 그것은 타인의 정돈되지 않은 업무를 논리적으로 분해하고, 그 조직의 데이터와 도구에 AI 시스템을 물리적으로 결합하며, 그 시스템이 제대로 돈다는 것을 수치로 입증하는 엔지니어링 작업이다.
OpenAI의 현장 배치 엔지니어링 조직을 이끄는 콜린 자비스는 2026년 8월 뉴스레터 인터뷰에서 소속 엔지니어들이 근무 시간의 약 50%를 고객사 현장에서 보낸다고 밝혔다. 그는 이 조직의 가치가 단순히 코드를 짜는 데 있지 않고 고객의 문제를 실질적으로 풀어내는 데 있다고 설명했다. 오픈AI 디플로이먼트 컴퍼니가 공개한 업무 절차는 구체적이다. 고객의 실제 업무를 진단하고, 우선순위가 높은 소수의 핵심 워크플로를 선별한 뒤, 조직 내부로 들어가 해당 회사의 고유 데이터와 내부 도구, 통제 체계 및 업무 프로세스에 모델을 연결하는 시스템을 설계, 구축, 테스트, 배포한다.
현장 배치 엔지니어는 여전히 근무 시간의 대부분을 코드 작성에 쓴다. 블룸베리가 분석한 1,000건의 FDE 채용 공고 중 가장 흔한 유형에 속하는 약 60%의 공고는 업무의 70~90%를 코딩으로 설명한다. 한편 하멜 후사인과 슈레야 샹카르는 자신들이 직접 참여한 프로젝트에서 개발 시간의 60~80%가 오류 분석과 평가 체계 구축에 쓰였다고 밝혔다. AI가 작성하는 코드의 비중이 커질수록 한 엔지니어를 다른 엔지니어와 구분 짓는 요인은 시스템의 결과물이 올바른지 평가하는 역량이다. 시간의 절대다수를 점유하는 작업은 코딩이지만 엔지니어의 경쟁력을 가르는 차별점은 바로 평가 능력에 있다. IBM의 최고인사책임자(CHRO) 니클 라모로는 2026년 2월 인터뷰에서 소프트웨어 개발자를 포함한 초급 신입 채용을 3배로 늘리고 있다고 밝히며, 신입 개발자들도 여전히 코드 작성과 테스트를 수행하지만 기존 제품을 유지보수하는 데 머물지 않고 고객을 직접 만나 피드백을 수집하며 전례 없는 새로운 제품을 만들어낸다고 강조했다.
코드를 구현하는 중간 과정이 자동화될수록 양 끝단이 팽창한다. 타인의 지저분한 환경에서 문제를 쪼개어 정의하는 앞단, 그리고 시스템이 요구 조건에 맞춰 안전하게 작동하는지 밝혀내는 뒷단의 평가 작업이다. 말만 잘하는 사람도, 주어진 사양대로 코드만 치는 개발자도 이 일을 해낼 수 없다.
남겨진 영역과 자동화의 한계
시스템 결합과 배치 작업 역시 점차 자동화 도구의 영향을 받을 것이다. 벤처캐피털 앤드리슨 호로위츠(a16z)는 2025년 보고서에서 AI 도구 덕분에 시스템 구현과 통합 작업을 과거보다 훨씬 효율적으로 처리할 수 있게 되었으며 일부는 완전히 자동화될 수 있다고 주장했다. 스타트업 시에라(Sierra)는 고스트라이터 도구를 내세워 연동 코드를 더는 사람이 직접 작성할 필요가 없다고 홍보한다. 다만 시에라는 구체적인 배치 소요 시간이나 투입 인력 데이터를 공개하지 않았다.
그러나 도구가 고도화되어도 남겨지는 영역이 있다. 그것은 앞서 OSWorld 2.0에서 에이전트들이 과제의 절반 이상에서 여전히 실패했던 바로 그 지점이다. 숨겨진 업무 맥락을 파악하고, 불확실한 조건에서 자의적인 추측 대신 사용자에게 질문을 던지며, 시스템이 산출한 결과를 엄격하게 검증하는 작업이다. METR은 AI 시스템이 필요로 하는 인간의 개입 횟수가 절반으로 줄어들더라도, 발생하는 실패의 양상이 훨씬 복잡해지기 때문에 한 번 개입할 때 투입해야 하는 인간 노동의 양은 오히려 늘어날 수 있다고 지적했다. 또한 신뢰성이 극도로 요구되고 검증하기 어려운 작업의 경우, 자동화가 실질적인 경제적 가치를 가지려면 98% 이상의 성공률을 확보해야 한다고 덧붙였다.
사람의 손을 거쳐야 하는 비중은 줄어들지 몰라도 개별 개입의 난도는 훨씬 높아진다. 이 좁고 까다로운 영역은 실제 환경에서 시스템을 굴려본 경험을 가진 사람에게만 주어진다.
경력직 중심 시장에서 신입이 증명할 것
신입을 위한 채용 문은 좁다. 채용 시장이 경력자 중심으로 재편되고 있기 때문이다. 인디드 하이어링 랩(Indeed Hiring Lab)에 따르면 2026년 1분기 기준 미국 소프트웨어 개발 직군 채용 공고 중 경력 0~1년을 요구하는 초급 포지션 비중은 4.5%로 조사 대상 직군 중 가장 낮았다. 한국 시장도 동일하다. 2025년 8월 27일 사람인과 점핏의 공동 조사 발표에 따르면 신입 채용 공고는 전체 개발자 공고의 0.8%에 불과했으나, 신입 구직자의 입사 지원 비중은 29.5%로 전체 연차 중 가장 큰 비중을 차지했다.
현장 배치 엔지니어 직군도 표면적으로는 경력 중심이다. 블룸베리(Bloomberry)가 1,000건의 현장 배치 엔지니어 채용 공고를 분석한 결과, 요구 경력을 명시한 공고 가운데 0~2년 차를 대상으로 한 공고는 12%였던 반면 3~5년 차를 요구한 공고는 60%에 달했다. 2026년 10월 29일 필자가 OpenAI, Anthropic, 데이터브릭스, 스케일 AI, 코히어, 데카곤, 하비, 램프 등 주요 8개 기업의 공개 채용 페이지를 직접 전수 조사한 결과, 277건의 현장 배치 엔지니어 관련 공고 중 초급 타이틀을 단 공고는 0건이었다. 데이터브릭스의 채용 공고에는 인턴십이나 신규 졸업자, 엔트리 레벨 지원자를 대상으로 하지 않는다는 문구가 명시되어 있었다.
경력 엔지니어를 모두 투입하고도 사람이 모자라면 결국 기업들이 신입으로 눈을 돌릴 것이라 기대할 수도 있다. 하지만 현장의 공급 부족은 경력직을 FDE로 재교육해 전환하는 방식으로 먼저 채워지고 있다. 앞서 언급했듯 OpenAI의 배포 전담 회사는 인수 합병을 통해 숙련된 인력을 단숨에 흡수하며 출발했다. Anthropic이 2027년 말까지 10,000명의 FDE를 육성하겠다고 발표한 프로그램 역시 첫 대상은 액센추어, 베인, 캡제미니, 호주커먼웰스은행, 딜로이트, 맥킨지, 모건스탠리, 노보노디스크의 현직 엔지니어들이다. 이들은 12주간의 레지던시를 거치며 소속 조직의 실제 과제를 이끄는 훈련을 받는다(Anthropic, 2026년 10월). 국내에서도 삼성SDS가 2026년 9월 8일 보도자료를 통해 연내 약 200명의 FDE를 양성하겠다고 발표했다. 블룸베리가 링크드인에서 활동 중인 현직 FDE 프로필 100건을 분석한 결과에서도 45%가 기존 소프트웨어 엔지니어 출신이었다. AI가 일상적인 코딩을 흡수할수록 전환 가능한 기존 경력 개발자의 풀은 오히려 넓어진다. 경력자가 고갈되어 신입에게 차례가 돌아오리라는 기대는 당분간 실현되기 어렵다.
그렇다면 신입은 어디로 진입해야 하는가. 블룸베리가 분석한 1,000건의 FDE 채용 공고를 보면, 요구 경력을 명시한 공고 가운데 12%가 0~2년 차를 대상으로 했다. 이 공고들은 대부분 FDE 프로그램을 새롭게 구축하는 기업에서 나왔다. 또한 전체 FDE 직무의 58%는 직원 수 11~200명 규모의 성장 단계 기업에 몰려 있었다. 한편 FDE 직무를 처음 고안한 팰런티어(Palantir)는 앞서 살펴본 8개 기업의 집계에 포함되지 않았다. 2026년 10월 29일 기준 팰런티어의 공개 채용 게시판을 확인해 보면, 현장 배치 소프트웨어·인프라 엔지니어와 디플로이먼트 전략가를 아우른 108건의 FDE 관련 공고 중 38건이 신입(New Grad)이나 인턴십 대상이었다. 이 공고들은 미국, 영국, 프랑스, 호주의 상업 고객과 정부 고객을 두루 포괄한다.
팰런티어의 신입 현장 배치 소프트웨어 엔지니어 채용 공고는 그 역할을 명확히 규정한다. “신입으로서 당신은 첫날부터 책임을 부여받게 될 것이다. 티켓 큐(할당된 작업 목록)를 넘겨받는 일은 없을 것이다. 당신을 고객, 혼돈, 혹은 결과로부터 보호해 주지 않는다.” 숙련된 경력 엔지니어를 흡수하는 프론티어 연구소를 벗어나면 신입에게 열려 있는 진입로가 드러난다. 팰런티어처럼 자체적인 신입·인턴십 과정을 갖춘 FDE 프로그램, 그리고 이제 막 FDE 팀을 꾸리기 시작한 성장 단계 기업들이다. 이 진입로들이 구직자에게 요구하는 조건은 이 글에서 쌓기를 권하는 실증적 증거와 정확히 맞닿아 있다. 실제 고객 앞에서 직접 책임을 짊어져 본 경험이다.
티켓 큐에서 남이 정제해 준 일감만 받아 처리하던 신입의 시대는 끝났다. 이 좁은 문에서 신입 지원자를 가르는 결정적인 차이는, 이 작업을 이미 실제로 수행해 보았다는 실증적 증거다.
학생 레지던시를 시작하는 방법
학생들이 스스로를 증명하기 위해 흔히 만드는 포트폴리오는 완성도 높고 매끄럽게 작동하는 사용자용 서비스나 흥미로운 앱이다. 그러나 요구사항이 명확히 정의되고 격리된 이와 같은 프로젝트는 METR의 추세가 보여주듯 2029년이면 AI가 대부분 처리할 수 있는 과업에 불과하며, 더는 구직자를 차별화하지 못한다. 반면 AI 시스템을 실제 조직 내부에서 가동하는 일은 오늘날 에이전트들이 가장 취약한 영역이자(제약 조건을 잊고, 질문 대신 자의적으로 추측하며, 검증을 건너뛰는 등 앞서 설명한 OSWorld 2.0의 실패 요인들), AI 기업들이 막대한 비용을 들여 사람을 고용하는 지점이다.
이를 훈련하는 현실적인 경로는 학생 레지던시다. 졸업 전까지 컴퓨터공학과 바깥의 현실 조직 한두 곳을 찾아가, 그들이 겪는 반복적인 문제를 포착하고, AI 시스템을 업무 환경에 직접 결합해 몇 달 동안 실제로 운영해 보는 것이다. Anthropic이 현장 배치 엔지니어 양성에 의학 레지던트 모델을 도입했듯, 학생 역시 실제 사례 속에서 시스템을 구동하고 검증하는 환경을 스스로 만들어야 한다.
이때 대학 행정실, 동네 상점, 비영리단체, 중소기업 같은 소규모 조직은 훌륭한 실습장이 된다. 한국에는 2024년 기준 8,499,552개의 중소기업이 존재하며(중소벤처기업부 「2024년 기준 중소기업 기본통계」), 유럽 소기업의 AI 도입률도 17%로 대기업(55%)에 한참 못 미친다. 다만 이들을 채용 주체나 유망한 수익 시장으로 착각해서는 안 된다. 대다수 소규모 조직은 AI 도입의 필요성 자체를 느끼지 못하며, 외부에 돈을 쓰는 경우도 줄고 있다. 중소기업중앙회의 2024년 조사에 따르면 국내 300개 중소기업 중 AI를 도입한 곳은 5.3%에 불과했고, 미도입 기업의 80.7%는 사업에 AI가 필요하지 않다고 답했다. 유럽연합 통계청(Eurostat) 조사에서도 AI를 도입한 소기업 중 외부 전문 업체를 통해 AI를 개발하거나 수정한 비율은 2021년 34.06%에서 2024년 25.79%로 감소했으며, 56.3%는 기성 상용 소프트웨어를 그대로 쓰고 있었다.
따라서 소규모 조직이 학생을 고용해 줄 것이라 기대해서는 곤란하다. 이들이 학생에게 제공하는 유일하고도 결정적인 가치는 바로 ‘접근성’이다. 이곳에는 정돈되지 않은 진짜 문제가 있고, 학생의 접근을 허락해 주는 사람들이 있으며, 일감을 다투는 숙련된 경력 FDE가 없다. 이곳에서 쌓아 올린 구체적인 기록은 이력서나 토이 프로젝트로는 보여줄 수 없는 증거이며, 신입 채용의 좁은 문에서 지원자를 차별화한다.
하지만 학생이 실제 조직의 문을 직접 두드려 진입을 허락받는 일은 가장 넘기 힘든 장벽이다. 정부와 대학이 학생과 소규모 조직을 연결하는 매칭 프로그램을 운영해야 하는 이유가 여기에 있다. 해외 선례들은 현재 한국의 학생-소상공인 연계에 결핍된 두 가지 요소를 갖추고 있다. 수용 조직에 실질적인 비용과 지원을 제공하며, 학업적 지도 아래 수개월 이상 조직 내부에 상주하도록 한다는 점이다.
영국의 지식 이전 파트너십(KTP, Innovate UK)은 대학이 고용한 졸업생이 12~36개월 동안 기업 내부에 파견되어 근무하며 통상 주당 반나절 동안 교수의 지도를 받고, 정부는 중소기업 사업비의 67%를 지원한다. 이노베이트 UK를 위해 진행된 평가(SQW, 2023)에서 참여 기업은 유사한 미참여 기업과 비교해 고용과 매출에서 유의미한 성장을 거두었으나 생산성에는 유의미한 영향이 없었고, 조사 대상 파견 인력의 62%는 해당 기업으로부터 채용 제안을 받았다.
캐나다의 학생 일경험 배치 프로그램 평가(ICTC, 2023)에서도 임금 보조금이 없었더라도 학생을 채용했을 것이라고 답한 고용주는 24%에 불과했으며, 가장 큰 걸림돌로는 관리자와 직원이 학생을 교육하고 지도하는 데 소모되는 시간이 꼽혔다. 소규모 조직이 학생을 수용하는 데는 비용과 시간이 들기 때문에 지원 체계가 이를 반드시 보전해 주어야 한다는 점을 보여준다.
파리의 AI 전문 학교인 에이반시티(aivancity)는 로스쿨의 법률 클리닉을 본떠 교수진의 지도 감독 아래 학생들이 정규 과정의 일환으로 주당 6~9시간 동안 중소기업, 협회, 비영리단체를 대상으로 무료 AI 실무를 돕는 ‘AI 클리닉’을 운영한다. 한국에서도 과학기술정보통신부가 총 255억 원 규모로 10개 대학을 선정해 최장 8년간 최대 240억 원을 지원하는 2026년 AI중심대학 사업을 추진하며 기업 연계 산학 프로젝트, 인턴십과 함께 산업계 AX 전환을 주요 과제로 제시했다(디지털데일리 보도). 그러나 전국 5개 대학과 함께 지역 사업자의 온라인 마케팅을 한 학기 동안 지원한 네이버의 ‘SME 퍼실리테이터’처럼 기존의 연계는 기간이 짧고 마케팅에 머물러 있다. 수용 조직에 비용을 지원하고 지도 인력의 관리 아래 학생을 수개월간 현장에 머물게 하는 체계가 마련된다면, 이러한 레지던시는 스스로 조직을 뚫어낸 소수만이 아니라 더 많은 학생이 밟을 수 있는 경로가 된다.
에어비앤비와 깃허브를 거친 20년 이상의 경력을 지닌 머신러닝 엔지니어 하멜 후사인과, UC 버클리에서 전기컴퓨터공학(EECS) 박사 학위를 받고 2027년 카네기 멜런 대학교 조교수로 부임할 예정인 컴퓨터과학 연구자 슈레야 샹카르는 실질적인 AI 평가 절차를 제시한다. 일반적인 소프트웨어는 동일한 입력에 항상 같은 출력을 내놓기 때문에 사전에 예상한 경우에 맞춰 테스트를 작성할 수 있지만, AI 시스템은 같은 요청에도 매번 다르게 답하며 어디서 결함이 생길지 미리 나열하기 어렵다. 따라서 이들의 방법은 가상의 테스트 케이스를 머릿속으로 상상하는 대신, 현장에서 실제로 발생한 실패를 수집하는 것에서 출발한다. 예를 들어 어느 작은 비영리단체에서 후원자의 문의 이메일에 답장 초안을 작성하는 AI를 도입했다고 해 보자. 학생은 AI가 실제로 작성한 초안을 원본 이메일과 나란히 놓고 검토하며 후원자 이름을 틀리게 적었거나, 기부금 영수증 발급일을 임의로 지어냈거나, 오래된 규정을 끌어와 정기 후원 해지 방법을 잘못 안내하는 등 실제로 나타난 오류를 기록한다.
- 시스템의 실행 기록(트레이스)을 최소 100건 검토한다.
- 그중 최소 30건을 본인이 직접 주석을 달아 분석한다.
- 실패 사례들을 유형별로 분류하고 발생 빈도를 집계한다.
- 각 실패 유형에 맞춰 명확한 합격 및 불합격 기준을 세운다.
- 시스템의 최종 품질 판정은 실제 사용자를 이해하는 해당 도메인의 실무자 한 명에게 맡긴다.
각 실패 유형마다 검증 장치가 마련되면—예컨대 이름은 코드를 통해 후원자 명단과 대조하고, 정책 설명이 최신 규칙에 부합하는지는 다른 AI로 판정할 수 있다—학생은 시스템을 수정한 뒤 동일한 검증을 다시 실행한다. 이때 통과율의 변화는 시스템이 이 조직 안에서 실제로 작동한다는 기록이 된다.
이 과정을 거친 뒤 손에 쥐어야 할 결과물은 세 가지다. 첫째, 해당 조직의 혼란스러운 문제를 코드 수준의 사양으로 분해한 요구사항 명세서다. 둘째, 실패 유형 분류표와 이를 검증하기 위해 구축한 평가 데이터셋이다. 셋째, 실제 운영 기간 동안 누적된 사용량 데이터와 시스템 오류를 추적해 고쳐나간 개선 일지다.
이 실천을 지탱하는 단 하나의 원칙은 자신이 배포한 코드를 완전히 이해하는 것이다. Anthropic이 2026년 1월 52명의 참가자를 대상으로 새로운 프로그래밍 라이브러리를 학습하게 한 실험에서, AI 어시스턴트를 활용한 그룹은 퀴즈 점수가 50%에 그쳐 손으로 직접 코드를 작성한 그룹의 67%보다 낮았다. 가장 큰 점수 차는 디버깅 영역에서 발생했다. 다만 AI에게 코드를 생성하게 한 뒤 원리를 이해할 때까지 후속 질문을 집요하게 던진 소수 참가자들은 높은 점수를 기록했다. 이는 매우 작은 표본에서 나타난 경향이지만 시사점은 분명하다. 코드를 빠르게 뽑아내는 데 만족하지 않고 기계가 짠 코드를 장악해야만 현장의 복잡한 오류를 수정할 수 있다.
2029년 엔지니어의 조건
2029년의 채용 담당자 앞에 섰을 때 내밀어야 할 것은 화려한 깃허브 잔디나 잘 가공된 토이 프로젝트의 목록이 아니다. 티켓 큐에서 꺼내 온 잘 정돈된 일감을 정해진 기한 안에 구현했다는 이력도 가치를 잃는다.
새로운 엔지니어의 시장 가격은 다른 곳에서 매겨진다. 남의 지저분한 현실 문제를 받아내 논리적으로 쪼개고, 그 사람의 불안정한 환경 속에서 AI 시스템을 끝내 가동하고, 그 시스템이 올바르게 돈다는 사실을 숫자로 증명해 본 경험이 있는가. 이 능력을 갖춘 사람은 이미 티켓 큐를 처리하는 노동자가 아니라 현장의 문제를 끝까지 해결하는 엔지니어다. 투자는 지금 그 현장을 찾는 것에서 출발해야 한다.
참고 자료
-
METR, “Time Horizons” (accessed 2026-10-29)
https://metr.org/time-horizons/ -
METR, “Time Horizon 1.1” (2026-01-29)
https://metr.org/blog/2026-1-29-time-horizon-1-1/ -
METR, “Clarifying limitations of time horizon” (2026-01-22)
https://metr.org/notes/2026-01-22-time-horizon-limitations/ -
Anthropic, “When AI builds itself” (2026)
https://www.anthropic.com/institute/recursive-self-improvement -
Stripe, “Minions: Stripe’s one-shot, end-to-end coding agents” (2026-02-09)
https://stripe.dev/blog/minions-stripes-one-shot-end-to-end-coding-agents -
OpenAI Forum, “How OpenAI engineers use Codex to tackle big projects with rigor” (2025-12-04)
https://forum.openai.com/home/blogs/how-openai-engineers-use-codex-to-tackle-big-projects-with-rigor-2025-12-04 -
McKinsey, “The state of AI in 2026: On the road to ROI” (2026-08)
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai -
NBER Digest, “Global Evidence on Business Use of AI” (2026-05)
https://www.nber.org/digest/202605/global-evidence-business-use-ai -
Eurostat, “Use of artificial intelligence in enterprises” (data extracted 2025-12)
https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises -
OSWorld 2.0 (accessed 2026-10-29)
https://osworld-v2.xlang.ai/ -
OSWorld-Verified leaderboard (accessed 2026-10-29)
http://osworld-v1.xlang.ai/ -
OpenAI, “OpenAI launches the OpenAI Deployment Company” (2026-05-11)
https://openai.com/index/openai-launches-the-deployment-company/ -
Anthropic, “Claude Frontier Academy” (2026-10-02)
https://www.anthropic.com/news/claude-frontier-academy -
Epoch AI, “What will AI look like in 2030?” (2025-09-16)
https://epoch.ai/blog/what-will-ai-look-like-in-2030 -
Engineering Leadership, “Inside OpenAI’s forward deployed engineer…” (2026-08-15)
https://newsletter.eng-leadership.com/p/inside-openais-forward-deployed-engineer -
Hamel Husain & Shreya Shankar, “LLM Evals: Everything You Need to Know (FAQ)“
https://hamel.dev/blog/posts/evals-faq/ -
Charter, “Why IBM is ‘tripling’ entry-level hiring as AI reshapes jobs” (2026-02-11)
https://www.charterworks.com/ibms-nine-year-ai-journey/ -
a16z, “Trading Margin for Moat: Why the Forward Deployed Engineer Is the Hottest Job in Startups” (2025-06-04)
https://a16z.com/services-led-growth/ -
Sierra, “Agents as a Service” (2026-03-25)
https://sierra.ai/blog/agents-as-a-service -
Indeed Hiring Lab, “The Labor Market Is Tilting Toward Seniority” (2026-07-23)
https://hiringlab.indeed.com/2026/07/23/the-labor-market-is-tilting-toward-seniority/ -
이투데이, “사람인-점핏, 개발자 채용 시장 현황 발표” (2025-08-27)
https://www.etoday.co.kr/news/view/2500510 -
Bloomberry, “I analyzed 1,000 forward deployed engineer jobs” (2025-11-18)
https://bloomberry.com/blog/i-analyzed-1000-forward-deployed-engineer-jobs-what-i-learned/ -
Databricks, “AI Engineer – Forward Deployed Engineering” 채용 공고 (2026-10-28)
https://databricks.com/company/careers/open-positions/job?gh_jid=8546367002 -
Palantir, “Forward Deployed Software Engineer, New Grad – Commercial” 채용 공고
https://jobs.lever.co/palantir/e500bcf3-19d8-4d3c-b340-4d76e4a55b40 -
Anthropic, “How AI assistance impacts the formation of coding skills” (2026-01-29)
https://www.anthropic.com/research/AI-assistance-coding-skills -
한국금융신문, “네이버도, 카카오도 ‘신입 개발자 공채 없어’…IT업계 채용 공식 바뀐다” (2026-08-14)
https://www.fntimes.com/html/view.php?ud=202608141444496947094b7542a8_18 -
Federal Reserve Bank of New York, “The Labor Market for Recent College Graduates” (2026-02)
https://www.newyorkfed.org/research/college-labor-market -
Brynjolfsson, Chandar, Chen, “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence”, Stanford Digital Economy Lab (2026-08-12 개정)
https://digitaleconomy.stanford.edu/app/uploads/2026/08/Canaries_August2026.pdf -
McKinsey, “The state of AI in 2025: Agents, innovation, and transformation” (2025-11)
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai -
삼성SDS, “삼성SDS, AI 도입 넘어 기업 AX 혁신 이끈다! ‘리얼 서밋 2026’서 ‘다차원 AI 풀스택’ 전략 제시” (2026-09-08)
https://www.samsungsds.com/kr/news/sds20260908.html -
중소벤처기업부, 「2024년 기준 중소기업 기본통계」 (2026-08)
https://startuprecipe.co.kr/wp-content/uploads/2026/08/260901_korea_000000999293535.pdf -
메트로신문, “‘인공지능 대세인데’…中企, 10곳 중 9곳 AI 활용 ‘無’” (2024-11-04, 중소기업중앙회 조사)
https://www.metroseoul.co.kr/article/20241104500414 -
Eurostat, “Artificial intelligence by size class of enterprise” (isoc_eb_ai, 2021·2024)
https://ec.europa.eu/eurostat/databrowser/view/isoc_eb_ai/default/table -
SQW, “Knowledge Transfer Partnerships Evaluation: Final Report”, Innovate UK (2023-08)
https://www.ukri.org/wp-content/uploads/2023/10/IUK-23102023-KTP-Evaluation-Final-Report-FINAL-Aug-23.pdf -
ICTC, “The Impact of Work-Integrated Learning on Student Success and the Canadian Economy” (2023-08)
https://ictc-ctic.ca/media/1009/download -
aivancity, “The AI Clinic” (accessed 2026-10-29)
https://aivancity.ai/en/la-clinique-de-lintelligence-artificielle -
디지털데일리, “과기정통부, ‘AI중심대학’ 신규 10개교 선정 추진…총 255억원 지원” (2026-01-18)
https://www.ddaily.co.kr/page/view/2026011616242132410 -
네이버, “네이버, 전국 5개 대학과 ‘SME 퍼실리테이터’ 프로그램 진행… 중소 사업자 디지털 마케팅 지원” (2025-08-29)
https://www.navercorp.com/media/pressReleasesDetail?seq=33247 -
Canva Engineering, “Yes, You Can Use AI in Our Interviews. In fact, we insist” (2025-06-11)
https://canva.dev/blog/engineering/yes-you-can-use-ai-in-our-interviews -
404 Media, “Meta Is Going to Let Job Candidates Use AI During Coding Tests” (2025-07-29)
https://www.404media.co/meta-is-going-to-let-job-candidates-use-ai-during-coding-tests/ -
블로터, “코딩테스트 없앤 넥슨…AI와 문제 푸는 개발자 뽑는다” (2026-08-26)
https://www.bloter.net/news/articleView.html?idxno=671869 -
Samsung Newsroom, “삼성, 2026년 하반기 삼성직무적성검사(GSAT) 실시” (2026-10-25)
https://news.samsung.com/kr/삼성-2026년-하반기-삼성직무적성검사gsat-실시 -
디지털인사이트, “그렙 ‘AI 역량평가’, 시중은행 PT 면접 대체한다” (2026-10-12)
https://ditoday.com/?p=154678 -
Lex Fridman Podcast #471, “Transcript for Sundar Pichai: CEO of Google and Alphabet” (2025-06-05)
https://lexfridman.com/sundar-pichai-transcript -
Palantir, Lever job board (accessed 2026-10-29)
https://jobs.lever.co/palantir